输出反馈式神经网络的机械臂轨迹跟踪控制

摘要

为提高干扰场景下机械臂运动轨迹的跟踪控制精度，提出了基于输出反馈和人工神经网络(ANN)的自适应机械臂控制方案.通过3-DOF机械臂的运动学和动力学建模，推导出基于角位置信息的控制策略，其中考虑到了参数不确定性和动力模型误差，提高机械臂对未知干扰的鲁棒性.使用以B样条函数(B-spline)为基函数的ANN,通过基于粒子群优化(PSO)算法的离线训练确定初始控制增益，并通过控制增益的在线更新提供自适应能力，实现跟踪误差和控制成本最小化.仿真结果表明，所提方法在关节空间和笛卡尔空间中均能实现机械臂的准确控制和平滑移动，在有干扰场景下的控制性能显著优于比较方法，适用于激光切割、激光打印等高精度应用.

关键词

机械臂 / 自适应跟踪控制 / 人工神经网络 / 角位置 / 粒子群优化

基金资助

国家自然科学基金资助项目(51907044); 广东省普通高校特色创新类资助项目(2021WTSCX112)